基于机器学习化学的湍流分层火焰 GPU 加速大涡模拟
流体动力学
2023-12-12 v1
摘要
分层预混燃烧以其扩大可燃性极限和减少整体贫燃燃烧不稳定性的能力而闻名，已被广泛采用以符合日益严格的环境法规。为了进一步理解分层预混燃烧，已在实验室尺度火焰上进行了大量具有不同燃烧模型和网格分辨率的数值模拟。然而，模拟实验室尺度火焰时，高保真度与低计算成本之间的权衡仍然存在，特别是对于涉及化学与流动直接耦合的燃烧模型。在本研究中，采用基于 GPU 的求解器来求解偏微分方程并计算热力学和传输性质，同时引入人工神经网络（ANN）来替代反应速率计算。特别强调通过 Cambridge 分层火焰的大涡模拟来评估所提出的 GPU-ANN 方法。模拟结果表明，GPU-ANN 方法与传统的基于直接积分（DI）的 CPU 求解器在流动和火焰统计方面具有良好的一致性。比较表明，GPU-ANN 方法能够达到与传统 CPU-DI 求解器相同的精度水平。此外，GPU-ANN 方法的总体加速因子超过两个数量级。本研究为基于详细化学的实验室尺度火焰全解析模拟奠定了潜在基础，且计算成本大幅降低。
引用
@article{arxiv.2312.05800,
title = {GPU-accelerated Large Eddy Simulation of turbulent stratified flames with machine learning chemistry},
author = {Min Zhang and Runze Mao and Han Li and Ruixin Yang and Zhi X. Chen},
journal= {arXiv preprint arXiv:2312.05800},
year = {2023}
}